Résumé Technique : Suivi de Trajectoire Robuste pour Véhicules par Apprentissage de Résidus en Temps Continu : Une Approche ICODE-MPPI

1. Énoncé du Problème

Les Véhicules Autonomes Terrestres (AGV) opérant dans des environnements non structurés ou perturbés nécessitent un suivi de trajectoire précis et une évitement d'obstacles proactif. Bien que la Commande Prédictive par Modèle (MPC) soit un paradigme standard, sa nature basée sur le gradient lutte souvent face à des paysages de coûts non convexes. Le contrôle par Intégrale de Trajectoire Prédictive par Modèle (MPPI) est apparu comme une alternative robuste, sans dérivée et basée sur l'échantillonnage, capable de gérer des dynamiques non linéaires complexes et des contraintes.

Cependant, l'efficacité du MPPI est fondamentalement limitée par le décalage modèle-plante. La loi de commande repose sur une espérance calculée sur des trajectoires échantillonnées ; si le modèle nominal de dynamique forward est imprécis, les déroulements résultants sont biaisés. Cela conduit à des séquences de commande sous-optimales, des offsets de suivi persistants et un chatter de commande haute fréquence. Les solutions existantes basées sur les données, telles que les Perceptrons Multicouches (MLP) et les Processus Gaussiens (GP), font face à des défis : les MLP manquent souvent de cohérence physique dans les transitions en temps discret, tandis que les GP entraînent des surcoûts de calcul prohibitifs pour l'optimisation en temps réel. De plus, l'intégration de méthodes d'apprentissage en temps continu, garantissant la stabilité, avec l'architecture d'échantillonnage stochastique du MPPI reste un défi ouvert.

2. Méthodologie : Le Cadre ICODE-MPPI

Les auteurs proposent ICODE-MPPI, un cadre hybride qui intègre les Équations Différentielles Ordinaires Néuronales à Entrées Concomitantes (ICODE) dans l'horizon de prédiction du MPPI pour apprendre et compenser les dynamiques résiduelles non modélisées.

A. Architecture ICODE pour la Modélisation des Résidus

Contrairement aux Équations Différentielles Ordinaires Néuronales (Neural ODE) standard qui traitent les entrées comme des paramètres inconnus, l'architecture ICODE proposée impose un prior affine par rapport au contrôle sur les dynamiques apprises. Cela garantit que le terme résiduel s'aligne avec la structure physique des systèmes robotiques où les entrées de commande entrent linéairement dans les dérivées d'état. Les dynamiques résiduelles apprises, $f_{res}$, sont définies comme suit :

$$\dot{x}_{res}(t) = f_{\theta}(x(t)) + \sum_{j=1}^{m} g_{\theta,j}(x(t))u_j(t)$$

Où :

• $f_{\theta}(x)$ représente la dérive autonome dépendante de l'état (par exemple, frottement non modélisé, traînée).
• $g_{\theta,j}(x)$ représente les champs de gain dépendants du contrôle (par exemple, efficacité des actionneurs).

Cette décomposition affine fournit un biais inductif fort, améliorant l'efficacité de l'échantillonnage et la généralisation par rapport aux réseaux de neurones entièrement connectés de type boîte noire. Les dynamiques prédites totales utilisées pour les déroulements MPPI combinent le modèle nominal du véhicule ($f_{nom}$) et le résidu appris :
$$\dot{x}_{pred}(t) = f_{nom}(x(t), u(t)) + f_{res}(x(t), u(t); \theta)$$

B. Intégration avec MPPI

Le modèle ICODE est intégré directement dans le module de prédiction forward du MPPI. Pendant la phase d'échantillonnage, le contrôleur simule des milliers de trajectoires potentielles en utilisant les dynamiques augmentées Nominal-ICODE. Cela permet au système d'anticiper les perturbations environnementales et les forces non modélisées en temps réel, compensant proactivement les erreurs résiduelles plutôt que d'y réagir après coup.

C. Agrégation Itérative des Données et Entraînement

Pour assurer une modélisation de haute fidélité sur l'ensemble du domaine opérationnel, les auteurs emploient un cadre d'agrégation itérative des données :

1. Exploration Aléatoire ($D_{rand}$) : Le véhicule est excité par des entrées de commande aléatoires pour capturer des réponses physiques larges et les limites de stabilité.
2. Données Spécifiques à la Tâche ($D_{task}$) : À mesure que l'entraînement progresse, le contrôleur MPPI utilise le modèle actuel pour exécuter des tâches de suivi de trajectoire, collectant des transitions état-action en ligne.
3. Boucle d'Entraînement : L'ensemble de données $D = D_{rand} \cup D_{task}$ est utilisé pour minimiser l'erreur de prédiction multi-étapes via un solveur RK4. Le modèle mis à jour est redéployé dans le planificateur MPPI, créant une boucle de rétroaction auto-correctrice qui réduit continuellement l'incertitude de modélisation.

3. Contributions Clés

L'article expose trois contributions principales :

1. Cadre de Dynamiques Résiduelles : Développement d'un cadre d'apprentissage de résidus en temps continu basé sur les ICODEs et l'agrégation itérative des données, qui capture les incertitudes tout en maintenant une haute cohérence physique.
2. Compensation Proactive : Intégration du modèle ICODE entraîné dans l'horizon de prédiction du MPPI, permettant au système de compenser les perturbations environnementales et d'atténuer la dérive de suivi à l'état stationnaire inhérente aux modèles nominaux.
3. Évaluation Complète : Une évaluation rigoureuse de ICODE-MPPI par rapport aux bases de MPPI standard, utilisant l'Erreur Quadratique Moyenne (RMSE) des variables d'état et les densités de probabilité des taux de commande pour démontrer une précision de suivi et une régularité de commande supérieures.

4. Résultats Expérimentaux

Le cadre a été évalué dans des simulations haute fidélité sur trois trajectoires complexes (Ellipse, Onde Sinusoïdale et Huit) sous des perturbations externes persistantes et variant dans le temps (modélisées comme des signaux sinusoïdaux composites affectant la position et l'orientation).

A. Précision de Suivi

• Réduction de l'Erreur : ICODE-MPPI a réalisé une réduction significative des erreurs de déviation latérale. Dans la trajectoire en ellipse, l'erreur dans la direction Y a été réduite jusqu'à 69 % par rapport au MPPI standard.
• Suppression de la Dérive : Alors que le MPPI standard présentait des offsets à l'état stationnaire persistants et un dépassement sévère aux points d'inflexion de courbure, ICODE-MPPI a maintenu une adhérence serrée à la trajectoire de référence en anticipant les perturbations latérales.
• Analyse du Compromis : Les auteurs notent une légère augmentation du RMSE de l'orientation (cap) pour ICODE-MPPI dans certains cas. Cela est attribué à une stratégie de commande délibérée : le contrôleur privilégie la sécurité spatiale stricte (X, Y) face à de fortes perturbations latérales en effectuant des ajustements de cap plus agressifs, sacrifiant l'alignement parfait du cap pour la précision positionnelle.

B. Régularité et Stabilité de la Commande

• Réduction du Chatter : L'analyse du jerk de commande (taux de variation de l'accélération et de la direction) a révélé que le MPPI standard présentait des distributions larges et des pics plats, indiquant un chatter de commande sévère. En revanche, ICODE-MPPI a démontré un pic plus élevé à zéro et une distribution plus étroite pour les taux de direction, signifiant des commandes de direction nettement plus fluides et une réduction du chatter.
• Couplage Longitudinal-Latéral : Les auteurs ont observé que, bien que la régularité de la direction se soit améliorée, la distribution du taux d'accélération pour ICODE-MPPI était légèrement plus large dans certains scénarios. Cela est physiquement justifié par le couplage latéral-longitudinal : des corrections de direction agressives pour maintenir la sécurité latérale sous de lourdes perturbations induisent des forces latérales sur les pneus qui causent de légères pertes de quantité de mouvement vers l'avant, nécessitant des ajustements d'accélération longitudinale plus fréquents pour maintenir la vitesse de référence.

5. Importance et Revendications

L'article revendique que ICODE-MPPI représente une avancée significative dans le suivi de trajectoire robuste en comblant le fossé entre la modélisation idéalisée et les perturbations du monde réel. En tirant parti de l'apprentissage de résidus en temps continu, garantissant la stabilité, le cadre :

• Préserve la Cohérence Physique : Contrairement aux apprenants en temps discret, les ICODE maintiennent la continuité temporelle et la cohérence physique tout au long de l'horizon de prédiction du MPPI.
• Améliore la Robustesse : Il supprime efficacement le chatter de commande et atténue la dérive à l'état stationnaire, produisant des commandes de direction plus fluides et des performances supérieures dans des environnements fortement perturbés.
• Compromis Stratégiques : Le système démontre une capacité stratégique à échanger de légères déviations transitoires de cap contre une sécurité positionnelle absolue, une exigence critique pour la navigation autonome robuste.

Les auteurs concluent que, bien que la méthode montre des performances supérieures en simulation, les travaux futurs se concentreront sur l'extension du cadre pour inclure l'évitement d'obstacles dynamiques et la validation des performances en temps réel sur des véhicules physiques à échelle réduite.